使用辅助轴线图制作分类或分组条形图

Question

我需要使用条形图和折线图比较 4 个班次（分类/分组）之间的不同日常数据集。我到处寻找，但没有找到一个可行的解决方案，其中不包括生成新的支点等。我已经使用了 matplotlib 和 seaborn，虽然我可以做一个或另一个（每个班次的不同颜色的条/线），一旦我合并另一个，要么消失，要么其他异常发生，就像只有一个情节点显示. 我已经查看了所有的解决方案，可以在两种图表类型上表示单个系列的数据，但没有一个属于多类别或针对这两种类型进行分组。数据示例：report_date wh_id   shift   Head_Count  UTL_R3/17/19     55  A   72  25%3/18/19     55  A   71  10%3/19/19     55  A   76  20%3/20/19     55  A   59  33%3/21/19     55  A   65  10%3/22/19     55  A   54  20%3/23/19     55  A   66  14%3/17/19     55  1   11  10%3/17/19     55  2   27  13%3/17/19     55  3   18  25%3/18/19     55  1   23  100%3/18/19     55  2   16  25%3/18/19     55  3   12  50%3/19/19     55  1   28  10%3/19/19     55  2   23  50%3/19/19     55  3   14  33%3/20/19     55  1   29  25%3/20/19     55  2   29  25%3/20/19     55  3   10  50%3/21/19     55  1   17  20%3/21/19     55  2   29  14%3/21/19     55  3   30  17%3/22/19     55  1   12  14%3/22/19     55  2   10  100%3/22/19     55  3   17  14%3/23/19     55  1   16  10%3/23/19     55  2   11  100%3/23/19     55  3   13  10%tm_daily_df = pd.read_csv('fg_TM_Daily.csv')tm_daily_df = tm_daily_df.set_index('report_date')fig2, ax2 = plt.subplots(figsize=(12,8))ax3 = ax2.twinx()group_obj = tm_daily_df.groupby('shift')g = group_obj['Head_Count'].plot(kind='bar', x='report_date',  y='Head_Count',ax=ax2,stacked=False,alpha = .2)g = group_obj['UTL_R'].plot(kind='line',x='report_date', y='UTL_R', ax=ax3,marker='d', markersize=12)plt.legend(tm_daily_df['shift'].unique())这段代码让我得到了最接近的结果。请注意，即使使用stacked = False，它们仍然堆叠在一起。我将设置更改为 True，没有任何变化。我所需要的只是让条形彼此相邻，并具有代表班次的相同配色方案图表：

Answer 1

这里有两种解决方案（堆叠和非堆叠）。根据您的问题，我们将：

• Head_Count在左 y 轴和UTL_R右 y 轴上绘图。

• report_date 将是我们的 x 轴

• shift 将代表我们图形的色调。

堆叠版本使用pandas默认绘图功能，非堆叠版本使用seaborn.

编辑
根据您的要求，我添加了一个 100% 堆叠图。虽然这与您在评论中所问的不完全相同，但您询问的图形类型可能会在阅读时造成一些混乱（是基于堆栈的上线或堆栈宽度的值）。另一种解决方案可能是使用 100% 堆叠图。

堆叠

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])

fig, ax = plt.subplots(figsize=(12,6))

ax2  = ax.twinx()

dfg['Head_Count'].unstack().plot.bar(stacked=True, ax=ax, alpha=0.6)

dfg['UTL_R'].unstack().plot(kind='line', ax=ax2, marker='o', legend=None)

ax.set_title('My Graph')

plt.show()

堆叠 100%

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])

# Create `Head_Count_Pct` column

for date in dfg.index.get_level_values('report_date').unique():

    for shift in dfg.loc[date, :].index.get_level_values('shift').unique():

        dfg.loc[(date, shift), 'Head_Count_Pct'] = dfg.loc[(date, shift), 'Head_Count'].sum() / dfg.loc[(date, 'A'), 'Head_Count'].sum()

fig, ax = plt.subplots(figsize=(12,6))

ax2  = ax.twinx()

pal = sns.color_palette("Set1")

dfg[dfg.index.get_level_values('shift').isin(['1','2','3'])]['Head_Count_Pct'].unstack().plot.bar(stacked=True, ax=ax, alpha=0.5, color=pal)

dfg['UTL_R'].unstack().plot(kind='line', ax=ax2, marker='o', legend=None, color=pal)

ax.set_title('My Graph')

plt.show()

未堆叠

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

dfg = df.set_index(['report_date', 'shift']).sort_index(level=[0,1])

fig, ax = plt.subplots(figsize=(15,6))

ax2  = ax.twinx()

sns.barplot(x=dfg.index.get_level_values('report_date'),

            y=dfg.Head_Count,

           hue=dfg.index.get_level_values('shift'), ax=ax, alpha=0.7)

sns.lineplot(x=dfg.index.get_level_values('report_date'),

            y=dfg.UTL_R,

           hue=dfg.index.get_level_values('shift'), ax=ax2, marker='o', legend=None)

ax.set_title('My Graph')

plt.show()

编辑#2

这是您第二次请求的图形（堆叠，但堆栈 n+1 不在堆栈 n 结束的地方开始）。

它稍微涉及更多，因为我们必须做多件事： - 我们需要手动将颜色分配给我们shift的 df - 一旦我们分配了颜色，我们将遍历每个日期范围和 1）排序或Head_Count值降序（所以当我们绘制图形时，我们最大的麻袋在后面），以及 2）绘制数据并将颜色分配给每个 stacj - 然后我们可以创建第二个 y 轴并绘制我们的UTL_R值 - 然后我们需要分配正确的颜色到我们的传奇标签

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

def assignColor(shift):

    if shift == 'A':

        return 'R'

    if shift == '1':

        return 'B'

    if shift == '2':

        return 'G'

    if shift == '3':

        return 'Y'

# map a color to a shift

df['color'] = df['shift'].apply(assignColor)

fig, ax = plt.subplots(figsize=(15,6))

# plot our Head_Count values

for date in df.report_date.unique():

    d = df[df.report_date == date].sort_values(by='Head_Count', ascending=False)

    y = d.Head_Count.values

    x = date

    color = d.color

    b = plt.bar(x,y, color=color)

# Plot our UTL_R values

ax2 = ax.twinx()    

sns.lineplot(x=df.report_date, y=df.UTL_R, hue=df['shift'], marker='o', legend=None)

# Assign the color label color to our legend

leg = ax.legend(labels=df['shift'].unique(), loc=1)

legend_maping = dict()

for shift in df['shift'].unique():

    legend_maping[shift] = df[df['shift'] == shift].color.unique()[0]

i = 0

for leg_lab in leg.texts:

    leg.legendHandles[i].set_color(legend_maping[leg_lab.get_text()])

    i += 1

Answer 2

这个怎么样？

tm_daily_df['UTL_R'] = tm_daily_df['UTL_R'].str.replace('%', '').astype('float') / 100

pivoted = tm_daily_df.pivot_table(values=['Head_Count', 'UTL_R'], 

                                  index='report_date', 

                                  columns='shift')

pivoted

#             Head_Count             UTL_R

# shift                1   2   3   A     1     2     3     A

# report_date

# 3/17/19             11  27  18  72  0.10  0.13  0.25  0.25

# 3/18/19             23  16  12  71  1.00  0.25  0.50  0.10

# 3/19/19             28  23  14  76  0.10  0.50  0.33  0.20

# 3/20/19             29  29  10  59  0.25  0.25  0.50  0.33

# 3/21/19             17  29  30  65  0.20  0.14  0.17  0.10

# 3/22/19             12  10  17  54  0.14  1.00  0.14  0.20

# 3/23/19             16  11  13  66  0.10  1.00  0.10  0.14

fig, ax = plt.subplots()

pivoted['Head_Count'].plot.bar(ax=ax)

pivoted['UTL_R'].plot.line(ax=ax, legend=False, secondary_y=True, marker='D')

ax.legend(loc='upper left', title='shift')